Ансамблевий K-середніх
Ансамблевий K-середніх багаторазово запускає алгоритм K-середніх з різними початковими умовами, випадковими зернами або підмножинами ознак, а потім агрегує отримані розбиття в єдине консенсусне призначення. Цей підхід зменшує відому чутливість K-середніх до ініціалізації та створює більш стабільні, відтворювані кластери, ніж будь-який окремий запуск.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Strehl, A. & Ghosh, J. (2002). Cluster ensembles — a knowledge reuse framework for combining multiple partitions. Journal of Machine Learning Research, 3, 583–617. link ↗
- Monti, S., Tamayo, P., Mesirov, J. & Golub, T. (2003). Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine Learning, 52, 91–118. DOI: 10.1023/A:1023949509487 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Ensemble K-means Clustering (Consensus Clustering). ScholarGate. https://scholargate.app/uk/machine-learning/ensemble-k-means
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ансамблева модель гаусових сумішейМашинне навчання↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Напівавтоматичний K-середніхМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →